CN111079991A - 一种业务指标预测方法、装置、设备和存储介质 - Google Patents

一种业务指标预测方法、装置、设备和存储介质 Download PDF

Info

Publication number
CN111079991A
CN111079991A CN201911204808.0A CN201911204808A CN111079991A CN 111079991 A CN111079991 A CN 111079991A CN 201911204808 A CN201911204808 A CN 201911204808A CN 111079991 A CN111079991 A CN 111079991A
Authority
CN
China
Prior art keywords
prediction
index
target
data
basic data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201911204808.0A
Other languages
English (en)
Inventor
毕胜
曹丽华
骆金
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhuhai Suibian Technology Co ltd
Original Assignee
Zhuhai Suibian Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhuhai Suibian Technology Co ltd filed Critical Zhuhai Suibian Technology Co ltd
Priority to CN201911204808.0A priority Critical patent/CN111079991A/zh
Publication of CN111079991A publication Critical patent/CN111079991A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0639Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393Score-carding, benchmarking or key performance indicator [KPI] analysis

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明实施例公开了一种业务指标预测方法、装置、设备和存储介质。包括:获取预测基础数据;对预测基础数据进行初始化;获取至少一个指标预测请求,指标预测请求用于请求对目标业务指标进行预测,指标预测请求携带与目标业务指标对应的目标指标预测规则;根据目标指标预测规则,从预测基础数据中获取与目标业务指标对应的目标预测基础数据;根据目标指标预测规则和目标预测基础数据,生成指标预测结果。本发明实施例可以通过用户发送的指标预测请求中携带的指标预测规则生成指标预测结果,得到的指标预测结果易于验证,确保预测的正确性,从而可以根据实时业务需求输入指标预测规则,获取正确的指标预测结果。

Description

一种业务指标预测方法、装置、设备和存储介质
技术领域
本发明实施例涉及计算机技术领域,尤其涉及一种业务指标预测方法、装置、设备和存储介质。
背景技术
企业中的各类数据呈爆炸式涌现,对企业的运营规划提出更为严苛的挑战。如何基于现有数据,通过调整各项运营参数,考虑运营参数与各项指标的动态影响,对未来各项指标进行动态预测,为企业未来运营方向提供参考,成为亟待解决的难题之一。
现有技术中,有以下两种指标预测方式:构建算法模型,通过算法让机器自动预测未来指标;根据业务现状,调整单一参数实现某单个指标的预测。
第一种方式的缺点是:机器算法的预测结果很难验证,无法确保正确预测。第二种方式的缺点是:预测指标单一;无法考虑各项指标间的相互影响;可调运营参数有限,调整麻烦;结果展示不便于观察分析。例如,通过简单的运营调整,利用EXCEL表格对未来一年的网站成交金额(Gross Merchandise Volume,GMV)情况进行简单预测,无法进行动态调整和各项指标关联计算,无法动态调整运营参数,预测结果展示不直观。
发明内容
本发明实施例提供一种业务指标预测方法、装置、设备和存储介质,以实现对现有的业务指标预测方法进行优化,根据实时业务需求,生成指标预测结果。
第一方面,本发明实施例提供了一种业务指标预测方法,包括:
获取预测基础数据;
对预测基础数据进行初始化;
获取至少一个指标预测请求,指标预测请求用于请求对目标业务指标进行预测,指标预测请求携带与目标业务指标对应的目标指标预测规则;
根据目标指标预测规则,从预测基础数据中获取与目标业务指标对应的目标预测基础数据;
根据目标指标预测规则和目标预测基础数据,生成指标预测结果。
第二方面,本发明实施例还提供了一种业务指标预测装置,包括:
基础数据获取模块,用于获取预测基础数据;
数据初始化模块,用于对预测基础数据进行初始化;
预测请求获取模块,用于获取至少一个指标预测请求,指标预测请求用于请求对目标业务指标进行预测,指标预测请求携带与目标业务指标对应的目标指标预测规则;
目标数据获取模块,用于根据目标指标预测规则,从预测基础数据中获取与目标业务指标对应的目标预测基础数据;
预测结果生成模块,用于根据目标指标预测规则和目标预测基础数据,生成指标预测结果。
第三方面,本发明实施例还提供了一种设备,所述设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明实施例所述的业务指标预测方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本发明实施例所述的业务指标预测方法。
本发明实施例的技术方案,通过获取预测基础数据,对预测基础数据进行初始化,然后获取至少一个指标预测请求,根据指标预测请求携带的与目标业务指标对应的目标指标预测规则,从预测基础数据中获取与目标业务指标对应的目标预测基础数据,并根据目标指标预测规则和目标预测基础数据,生成指标预测结果,可以通过用户发送的指标预测请求中携带的指标预测规则生成指标预测结果,得到的指标预测结果易于验证,确保预测的正确性,从而保证用户可以根据实时业务需求输入指标预测规则,获取正确的指标预测结果。
附图说明
图1为本发明实施例一提供的一种业务指标预测方法的流程图;
图2a为本发明实施例二提供的一种业务指标预测方法的流程图;
图2b为本发明实施例二提供的一种指标展示结果的示意图;
图3为本发明实施例三提供的一种业务指标预测方法的流程图;
图4为本发明实施例四提供的一种业务指标预测装置的结构示意图;
图5为本发明实施例五提供的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种业务指标预测方法的流程图。本实施例可适用于进行业务指标预测的情况,该方法可以由业务指标预测装置来执行,所述装置由软件和/或硬件来执行,并一般可集成在计算机设备中。例如,服务器。如图1所示,本发明实施例的方法具体包括:
步骤101、获取预测基础数据。
可选的,预测基础数据可以包括:历史指标数据、计算指标数据、展示指标数据、以及手动录入运营参数。
历史指标数据是已发生的每日各项业务指标数据。
计算指标数据是通过对已发生的每日各项业务指标数据进行加工,得到的用于后端各项业务指标计算的数据。
展示指标数据是通过对已发生的每日各项业务指标数据进行加工,得到的用于表现各项运营参数当前情况的数据。
手动录入运营参数是业务方在使用时,手动录入的数据,用于后端各项业务指标计算时,调整各项参数观测指标预测结果。业务方可以根据各自的业务进行尝试性录入,根据指标预测结果再反过来评估各业务是否可行。当无手动录入时,取与各项运营参数对应的最近7天真实数据均值作为手动录入运营参数。
例如,针对电商平台,历史指标数据可以包括电商平台商品的成交总额(GrossMerchandise Volume,GMV)等;计算指标数据可以包括:转化率、客单价等;展示指标数据可以包括:扣点、退款率、投放金额等;手动录入运营参数可以包括:转化率提升比例、客单价提升比例,投放金额等。
可选的,预先从各项日志表中获取业务数据,通过对业务数据进行处理,得到预测基础数据,然后将预测基础数据存储于数据库中。使用时,可以直接从数据库中获取预测基础数据。
可选的,在获取预测基础数据之前,还包括:按照预设数据更新时间,对数据库中的历史指标数据、计算指标数据、以及展示指标数据进行更新;根据获取的数据录入请求,对数据库中的手动录入运营参数进行更新。
具体的,预设数据更新时间可以为每日凌晨。每日凌晨根据当前时刻的全部业务数据,录入数据库中的历史指标数据、计算指标数据、以及展示指标数据,确保历史指标数据、计算指标数据、以及展示指标数据为当前最新数据。
业务方可以通过发送数据录入请求,请求录入手动录入运营参数。数据录入请求携带请求录入的手动录入运营参数。在获取数据录入请求之后,即时根据数据录入请求携带的手动录入运营参数,对数据库中的手动录入运营参数进行更新。由此,手动录入运营参数采用即时更新方式,确保业务方随时可以改动目标手动录入运营参数。
步骤102、对预测基础数据进行初始化。
其中,可以对预测基础数据进行初始化,将预测基础数据初始化为指定格式。
可选的,对预测基础数据进行初始化,可以包括:根据预测基础数据的数据类型,对预测基础数据进行初始化。
可选的,根据预测基础数据的数据类型,对预测基础数据进行初始化,可以包括:将计算指标数据和手动录入运营参数初始化为字典键值对格式。
字典键值对包括两个数据项:键名和键值。键名是数据的标号,为数据的唯一标识。键值是数据的数据内容。
具体的,将计算指标数据初始化为字典键值对格式。键名是未来每日日期。键值是对应日期的计算指标数据的数据内容。
可选的,根据计算指标数据的特性,将计算指标数据初始化为字典键值对格式。对于每日都相同的计算指标数据,键名初始化为每日日期,键值直接初始化为单一值。对于每日不相同的计算指标数据,键名初始化为每日日期,键值为对应日期的计算指标数据的数据内容。对于转化率,键名初始化为每日日期,键值为对应日期的转化率的数值。例如,对于n日转化率,键名初始化为n,键值为相应的转化率的数值。其中,n为0-365,n日转化率为当天新激活用户在未来0-365天的各项转化率。
具体的,将手动录入运营参数初始化为字典键值对格式。键名是未来每日日期。键值是对应手动录入运营参数的数值。
步骤103、获取至少一个指标预测请求,指标预测请求用于请求对目标业务指标进行预测,指标预测请求携带与目标业务指标对应的目标指标预测规则。
可选的,用户可以发送至少一个指标预测请求至服务器。用户可以为业务方。指标预测请求用于请求对目标业务指标进行预测。指标预测请求携带与目标业务指标对应的目标指标预测规则。
目标指标预测规则是后引入的而非后端程序代码,便于筛查和修改。可以根据业务需求动态调整目标指标预测规则。
目标业务指标可以为指定时间区间的GMV、净收入、年人均收入(LTV)、年人均成本(UAC)、投放新激活、或者购买用户数等。
可选的,当用户发送多个指标预测请求时,服务器可以并发对多个指标预测请求进行处理,降低指标预测时间。
可选的,目标指标预测规则可以为目标指标计算公式。
在一个具体实例中,指标预测请求用于请求对10月1日的投放新激活进行预测。指标预测请求携带与10月1日的投放新激活对应的目标指标预测规则:投放新激活[day]=投放成本[day]/人均激活成本[day]。其中,投放新激活[day]为指定日期的投放新激活,投放成本[day]为指定日期的投放成本,人均激活成本[day]为指定日期的人均激活成本。
在另一个具体实例中,指标预测请求用于请求对2019年9月30日的新激活用户在2020年1月1日产生的购买用户数进行预测。指标预测请求携带与2019年9月30日的新激活用户在2020年1月1日产生的购买用户数对应的目标指标预测规则:购买用户数[‘2019-09-30’,‘2020-01-01’]=新激活数[‘2019-09-30’]*转化率[‘2020-01-01’-‘2019-09-30’]。其中,购买用户数[‘2019-09-30’,‘2020-01-01’]为2019年9月30日的新激活用户在2020年1月1日产生的购买用户数,新激活数[‘2019-09-30’]为2019年9月30日的新激活数,转化率[‘2020-01-01’-‘2019-09-30’]为转化日期与激活日期相差天数的对应n日转化率。
步骤104、根据目标指标预测规则,从预测基础数据中获取与目标业务指标对应的目标预测基础数据。
可选的,根据目标指标预测规则,从预测基础数据中获取与目标业务指标对应的目标预测基础数据,可以包括:根据目标指标预测规则,确定与目标业务指标对应的目标预测基础数据;判断目标预测基础数据是否存在于预测基础数据中;若是,则从预测基础数据中获取与目标业务指标对应的目标预测基础数据。
在一个具体实例中,指标预测请求用于请求对10月1日的投放新激活进行预测。根据与10月1日的投放新激活对应的目标指标预测规则,确定目标预测基础数据包括:10月1日的投放成本和10月1日的人均激活成本。如果上述目标预测基础数据存在于预测基础数据中,则直接从预测基础数据中获取与目标业务指标对应的目标预测基础数据。
可选的,在判断目标预测基础数据是否存在于预测基础数据中之后,还包括:若否,则根据与目标预测基础数据对应的指标预测规则,从预测基础数据中获取与目标预测基础数据对应的预测基础数据;根据与目标预测基础数据对应的指标预测规则,以及与目标预测基础数据对应的预测基础数据,生成目标预测基础数据。
各业务指标间之间存在相互依赖关系。目标预测基础数据包括其他业务指标的指标预测结果。需要根据目标指标预测规则确定目标业务指标所依赖的其他业务指标,分层计算其他业务指标的指标预测结果,得到与目标业务指标对应的目标预测基础数据,才可以继续后续计算,得到目标业务指标的指标预测结果。由此,可以充分考虑各项业务指标的直接或间接影响。
在另一个具体实例中,指标预测请求用于请求对10月1日的投放新激活进行预测。根据与10月1日的投放新激活对应的目标指标预测规则,确定目标预测基础数据包括:10月1日的投放成本和10月1日的人均激活成本。如果上述目标预测基础数据没有存在于预测基础数据中,则根据与10月1日的投放成本对应的指标预测规则,从预测基础数据中获取与10月1日的投放成本对应的预测基础数据;根据与10月1日的人均激活成本对应的指标预测规则,从预测基础数据中获取与10月1日的人均激活成本对应的预测基础数据;根据与10月1日的投放成本对应的指标预测规则,以及与10月1日的投放成本对应的预测基础数据,生成10月1日的投放成本;根据与10月1日的人均激活成本对应的指标预测规则,以及与10月1日的人均激活成本对应的预测基础数据,生成10月1日的人均激活成本。
步骤105、根据目标指标预测规则和目标预测基础数据,生成指标预测结果。
可选的,目标指标预测规则为目标指标计算公式。将目标预测基础数据待入至目标指标计算公式进行计算,得到目标业务指标的指标预测结果。
在一个具体实例中,目标业务指标为10月1日的投放新激活。目标指标计算公式为投放新激活[day]=投放成本[day]/人均激活成本[day]。目标预测基础数据为10月1日的投放成本和10月1日的人均激活成本。将目标预测基础数据待入至目标指标计算公式进行计算,即取用10月1日的投放成本比上10月1日的人均激活成本,得到10月1日的投放新激活。得到的指标预测结果采用字典键值对格式进行存储。键名是日期。键值是指标预测结果的数值。
在另一个具体实例中,目标业务指标为2019年9月30日的新激活用户在2020年1月1日产生的购买用户数。目标指标计算公式为购买用户数[‘2019-09-30’,‘2020-01-01’]=新激活数[‘2019-09-30’]*转化率[‘2020-01-01’-‘2019-09-30’]。目标预测基础数据为2019年9月30日的新激活用户在2020年1月1日产生的购买用户数、2019年9月30日的新激活数,以及转化日期与激活日期相差天数的对应n日转化率。将目标预测基础数据待入至目标指标计算公式进行计算,得到购买用户数[‘2019-09-30’,‘2020-01-01’]。得到的指标预测结果采用矩阵格式进行存储。
可选的,对业务指标预测过程中的所有过程数据均进行存储,便于验证。
本发明实施例提供了一种业务指标预测方法,通过获取预测基础数据,对预测基础数据进行初始化,然后获取至少一个指标预测请求,根据指标预测请求携带的与目标业务指标对应的目标指标预测规则,从预测基础数据中获取与目标业务指标对应的目标预测基础数据,并根据目标指标预测规则和目标预测基础数据,生成指标预测结果,可以通过用户发送的指标预测请求中携带的指标预测规则生成指标预测结果,得到的指标预测结果易于验证,确保预测的正确性,从而保证用户可以根据实时业务需求输入指标预测规则,获取正确的指标预测结果。
实施例二
图2a为本发明实施例二提供的一种业务指标预测方法的流程图。本实施例可以与上述一个或者多个实施例中各个可选方案结合,在本发明实施例中,预测基础数据包括:历史指标数据、计算指标数据、展示指标数据、以及手动录入运营参数。
以及,对预测基础数据进行初始化,可以包括:根据预测基础数据的数据类型,对预测基础数据进行初始化。
以及,根据预测基础数据的数据类型,对预测基础数据进行初始化,可以包括:将计算指标数据和手动录入运营参数初始化为字典键值对格式。
以及,在获取预测基础数据之前,可以还包括:按照预设数据更新时间,对数据库中的历史指标数据、计算指标数据、以及展示指标数据进行更新;根据获取的数据录入请求,对数据库中的手动录入运营参数进行更新。
以及,在根据目标指标预测规则和目标预测基础数据,生成指标预测结果之后,可以还包括:根据指标预测结果,以及与指标预测结果关联的预测基础数据,生成指标展示结果。
如图2a所示,本发明实施例的方法具体包括:
步骤201、按照预设数据更新时间,对数据库中的历史指标数据、计算指标数据、以及展示指标数据进行更新。
具体的,预设数据更新时间可以为每日凌晨。每日凌晨根据当前时刻的全部业务数据,录入数据库中的历史指标数据、计算指标数据、以及展示指标数据,确保历史指标数据、计算指标数据、以及展示指标数据为当前最新数据。
步骤202、根据获取的数据录入请求,对数据库中的手动录入运营参数进行更新。
业务方可以通过发送数据录入请求,请求录入手动录入运营参数。数据录入请求携带请求录入的手动录入运营参数。在获取数据录入请求之后,即时根据数据录入请求携带的手动录入运营参数,对数据库中的手动录入运营参数进行更新。由此,手动录入运营参数采用即时更新方式,确保业务方随时可以改动目标手动录入运营参数。
步骤203、获取预测基础数据。
其中,预测基础数据包括:历史指标数据、计算指标数据、展示指标数据、以及手动录入运营参数。
可选的,从数据库中获取预测基础数据。
步骤204、将计算指标数据和手动录入运营参数初始化为字典键值对格式。
具体的,将计算指标数据初始化为字典键值对格式。键名是未来每日日期。键值是对应日期的计算指标数据的数据内容。
可选的,根据计算指标数据的特性,将计算指标数据初始化为字典键值对格式。对于每日都相同的计算指标数据,键名初始化为每日日期,键值直接初始化为单一值。对于每日不相同的计算指标数据,键名初始化为每日日期,键值为对应日期的计算指标数据的数据内容。对于转化率,键名初始化为每日日期,键值为对应日期的转化率的数值。例如,对于n日转化率,键名初始化为n,键值为相应的转化率的数值。其中,n为0-365,n日转化率为当天新激活用户在未来0-365天的各项转化率。
具体的,将手动录入运营参数初始化为字典键值对格式。键名是未来每日日期。键值是对应手动录入运营参数的数值。
步骤205、获取至少一个指标预测请求,指标预测请求用于请求对目标业务指标进行预测,指标预测请求携带与目标业务指标对应的目标指标预测规则。
步骤206、根据目标指标预测规则,从预测基础数据中获取与目标业务指标对应的目标预测基础数据。
步骤207、根据目标指标预测规则和目标预测基础数据,生成指标预测结果。
步骤208、根据指标预测结果,以及与指标预测结果关联的预测基础数据,生成指标展示结果。
其中,与指标预测结果关联的预测基础数据是目标业务指标的历史指标数据。
可选的,根据指标预测结果,以及与指标预测结果关联的预测基础数据,生成指标展示结果,包括:根据指标预测结果,以及目标业务指标的历史指标数据,生成目标业务指标的指标展示结果。
在一个具体实例中,当前日期为2019年8月20日。目标业务指标为2019年8月21日至2020年12月31日之间的每日的投放新激活。根据目标指标计算公式:投放新激活[day]=投放成本[day]/人均激活成本[day],求出每日的投放新激活,得到目标业务指标的指标预测结果。得到的指标预测结果采用字典键值对格式进行存储。键名是日期。键值是对应日期的投放新激活的数值。根据上述指标预测结果,以及目标业务指标的历史指标数据:2015年7月30日至2019年8月20日之间的每日的投放新激活,生成指标展示结果。指标展示结果即为2015年7月30日至2020年12月31日之间的每日的投放新激活。
在另一个具体实例中,当前日期为2019年8月20日。目标业务指标为2019年8月21日至2020年12月31日之间的每日的购买用户数。根据目标指标计算公式:购买用户数[‘激活日期’,‘预测日期’]=新激活数[‘激活日期’]*转化率[‘预测日期’-‘激活日期’],求出每日的购买用户数,得到目标业务指标的指标预测结果。对于距离当前日期超过365天的新激活转化,默认转化率不变,取历史转化率中的最后7日转化率的均值;对于距离当前日期小于365天的新激活转化,取对应第n天的转化率。
根据激活日期和预测日期,对上述指标预测结果,以及目标业务指标的历史指标数据:2015年7月30日至2019年8月20日之间的每日的购买用户数,进行横向或纵向聚合,得出如图2b所示的指标展示结果:2015年7月30日至2020年12月31日之间的每日的购买用户数。
对于历史日期2015年7月30日至2019年8月20日,直接引入历史指标数据(21),即2015年7月30日至2019年8月20日之间的每日的购买用户。2019年8月21日至2020年12月31日之间的每日的购买用户数为预测值。对于距离当前日期超过365天的新激活转化,用预测逻辑y:默认转化率不变,取历史转化率中的最后7日转化率的均值(22)。对于距离当前日期小于365天的新激活转化,用预测逻辑x:取对应第n天的转化率(23)。
可选的,将目标业务指标的指标展示结果,统一封装至映射表MAP当中,便于提取和验证。映射表的键名为目标业务指标名称,映射表的键值为对应目标业务指标每日的数据。
可选的,在获取针对指标展示结果的展示请求时,从MAP中取出对应目标业务指标的每日数据,并按照图、表进行展示。
可选的,当指标展示结果需要按周/月进行聚合时,根据对应目标业务指标的每日数据进行简单平均或加和。
本发明实施例提供了一种业务指标预测方法,通过按照预设数据更新时间,对数据库中的历史指标数据、计算指标数据、以及展示指标数据进行更新,根据获取的数据录入请求,对数据库中的手动录入运营参数进行更新,以及,根据指标预测结果,以及与指标预测结果关联的预测基础数据,生成指标展示结果,可以确保历史指标数据、计算指标数据、以及展示指标数据为当前最新数据,可以通过即时更新方式,确保随时可以改动目标手动录入运营参数,可以得到指标展示结果,便于直观地展示业务指标数据。
实施例三
图3为本发明实施例三提供的一种业务指标预测方法的流程图。本实施例可以与上述一个或者多个实施例中各个可选方案结合,在本发明实施例中,根据目标指标预测规则,从预测基础数据中获取与目标业务指标对应的目标预测基础数据,可以包括:根据目标指标预测规则,确定与目标业务指标对应的目标预测基础数据;判断目标预测基础数据是否存在于预测基础数据中;若是,则从预测基础数据中获取与目标业务指标对应的目标预测基础数据。
以及,在判断目标预测基础数据是否存在于预测基础数据中之后,还包括:若否,则根据与目标预测基础数据对应的指标预测规则,从预测基础数据中获取与目标预测基础数据对应的预测基础数据;根据与目标预测基础数据对应的指标预测规则,以及与目标预测基础数据对应的预测基础数据,生成目标预测基础数据。
如图3所示,本发明实施例的方法具体包括:
步骤301、获取预测基础数据。
步骤302、对预测基础数据进行初始化。
步骤303、获取至少一个指标预测请求,指标预测请求用于请求对目标业务指标进行预测,指标预测请求携带与目标业务指标对应的目标指标预测规则。
步骤304、根据目标指标预测规则,确定与目标业务指标对应的目标预测基础数据。
可选的,目标指标预测规则可以为目标指标计算公式。
步骤305、判断目标预测基础数据是否存在于预测基础数据中:若是,则执行步骤306;若否,则执行步骤307。
步骤306、从预测基础数据中获取与目标业务指标对应的目标预测基础数据。
其中,如果目标预测基础数据存在于预测基础数据中,则直接从预测基础数据中获取与目标业务指标对应的目标预测基础数据。
步骤307、根据与目标预测基础数据对应的指标预测规则,从预测基础数据中获取与目标预测基础数据对应的预测基础数据。
其中,各业务指标间之间存在相互依赖关系。目标预测基础数据包括其他业务指标的指标预测结果。需要根据目标指标预测规则确定目标业务指标所依赖的其他业务指标,分层计算其他业务指标的指标预测结果,得到与目标业务指标对应的目标预测基础数据,才可以继续后续计算,得到目标业务指标的指标预测结果。
步骤308、根据与目标预测基础数据对应的指标预测规则,以及与目标预测基础数据对应的预测基础数据,生成目标预测基础数据。
步骤309、根据目标指标预测规则和目标预测基础数据,生成指标预测结果。
本发明实施例提供了一种业务指标预测方法,通过判断目标预测基础数据是否存在于预测基础数据中:若是,则从预测基础数据中获取与目标业务指标对应的目标预测基础数据;若否,则根据与目标预测基础数据对应的指标预测规则,从预测基础数据中获取与目标预测基础数据对应的预测基础数据;根据与目标预测基础数据对应的指标预测规则,以及与目标预测基础数据对应的预测基础数据,生成目标预测基础数据,可以在目标预测基础数据存在于预测基础数据中时,直接从预测基础数据中获取与目标业务指标对应的目标预测基础数据,也可以在目标预测基础数据包括其他业务指标的指标预测结果时,根据目标指标预测规则确定目标业务指标所依赖的其他业务指标,分层计算其他业务指标的指标预测结果,得到与目标业务指标对应的目标预测基础数据。
实施例四
图4为本发明实施例四提供的一种业务指标预测装置的结构示意图。如图4所示,所述装置包括:基础数据获取模块401、数据初始化模块402、预测请求获取模块403、目标数据获取模块404以及预测结果生成模块405。
其中,基础数据获取模块401,用于获取预测基础数据;数据初始化模块402,用于对预测基础数据进行初始化;预测请求获取模块403,用于获取至少一个指标预测请求,指标预测请求用于请求对目标业务指标进行预测,指标预测请求携带与目标业务指标对应的目标指标预测规则;目标数据获取模块404,用于根据目标指标预测规则,从预测基础数据中获取与目标业务指标对应的目标预测基础数据;预测结果生成模块405,用于根据目标指标预测规则和目标预测基础数据,生成指标预测结果。
本发明实施例提供了一种业务指标预测装置,通过获取预测基础数据,对预测基础数据进行初始化,然后获取至少一个指标预测请求,根据指标预测请求携带的与目标业务指标对应的目标指标预测规则,从预测基础数据中获取与目标业务指标对应的目标预测基础数据,并根据目标指标预测规则和目标预测基础数据,生成指标预测结果,可以通过用户发送的指标预测请求中携带的指标预测规则生成指标预测结果,得到的指标预测结果易于验证,确保预测的正确性,从而保证用户可以根据实时业务需求输入指标预测规则,获取正确的指标预测结果。
在上述各实施例的基础上,预测基础数据可以包括:历史指标数据、计算指标数据、展示指标数据、以及手动录入运营参数。
在上述各实施例的基础上,数据初始化模块402可以包括:数据初始化子模块,用于根据预测基础数据的数据类型,对预测基础数据进行初始化。
在上述各实施例的基础上,数据初始化子模块可以包括:数据初始化单元,用于将计算指标数据和手动录入运营参数初始化为字典键值对格式。
在上述各实施例的基础上,目标数据获取模块404可以包括:数据确定单元,用于根据目标指标预测规则,确定与目标业务指标对应的目标预测基础数据;数据判断单元,用于判断目标预测基础数据是否存在于预测基础数据中;数据获取单元,用于若是,则从预测基础数据中获取与目标业务指标对应的目标预测基础数据。
在上述各实施例的基础上,目标数据获取模块404可以还包括:基础数据获取单元,用于若否,则根据与目标预测基础数据对应的指标预测规则,从预测基础数据中获取与目标预测基础数据对应的预测基础数据;数据生成单元,用于根据与目标预测基础数据对应的指标预测规则,以及与目标预测基础数据对应的预测基础数据,生成目标预测基础数据。
在上述各实施例的基础上,业务指标预测装置可以还包括:第一数据更新模块,用于按照预设数据更新时间,对数据库中的历史指标数据、计算指标数据、以及展示指标数据进行更新;第二数据更新模块,用于根据获取的数据录入请求,对数据库中的手动录入运营参数进行更新。
在上述各实施例的基础上,业务指标预测装置可以还包括:展示结果生成模块,用于根据指标预测结果,以及与指标预测结果关联的预测基础数据,生成指标展示结果。
上述业务指标预测装置可执行本发明任意实施例所提供的业务指标预测方法,具备执行业务指标预测方法相应的功能模块和有益效果。
实施例五
图5为本发明实施例五提供的一种计算机设备的结构示意图。图5示出了适于用来实现本发明实施方式的示例性计算机设备12的框图。图5显示的计算机设备12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于:一个或者多个处理器16,存储器28,连接不同系统组件(包括存储器28和处理器16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图5未显示,通常称为“硬盘驱动器”)。尽管图5中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该计算机设备12交互的设备通信,和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白,尽管图5中未示出,可以结合计算机设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理器16通过运行存储在存储器28中的程序,从而执行各种功能应用以及数据处理,实现本发明实施例所提供的业务指标预测方法:获取预测基础数据;对预测基础数据进行初始化;获取至少一个指标预测请求,指标预测请求用于请求对目标业务指标进行预测,指标预测请求携带与目标业务指标对应的目标指标预测规则;根据目标指标预测规则,从预测基础数据中获取与目标业务指标对应的目标预测基础数据;根据目标指标预测规则和目标预测基础数据,生成指标预测结果。
实施例六
本发明实施例六提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时,实现本发明实施例所提供的业务指标预测方法:获取预测基础数据;对预测基础数据进行初始化;获取至少一个指标预测请求,指标预测请求用于请求对目标业务指标进行预测,指标预测请求携带与目标业务指标对应的目标指标预测规则;根据目标指标预测规则,从预测基础数据中获取与目标业务指标对应的目标预测基础数据;根据目标指标预测规则和目标预测基础数据,生成指标预测结果。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于——无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。

Claims (11)

1.一种业务指标预测方法,其特征在于,包括:
获取预测基础数据;
对所述预测基础数据进行初始化;
获取至少一个指标预测请求,所述指标预测请求用于请求对目标业务指标进行预测,所述指标预测请求携带与所述目标业务指标对应的目标指标预测规则;
根据所述目标指标预测规则,从所述预测基础数据中获取与所述目标业务指标对应的目标预测基础数据;
根据所述目标指标预测规则和所述目标预测基础数据,生成指标预测结果。
2.根据权利要求1所述的方法,其特征在于,所述预测基础数据包括:历史指标数据、计算指标数据、展示指标数据、以及手动录入运营参数。
3.根据权利要求2所述的方法,其特征在于,对所述预测基础数据进行初始化,包括:
根据所述预测基础数据的数据类型,对所述预测基础数据进行初始化。
4.根据权利要求3所述的方法,其特征在于,根据所述预测基础数据的数据类型,对所述预测基础数据进行初始化,包括:
将所述计算指标数据和所述手动录入运营参数初始化为字典键值对格式。
5.根据权利要求1所述的方法,其特征在于,根据所述目标指标预测规则,从所述预测基础数据中获取与所述目标业务指标对应的目标预测基础数据,包括:
根据所述目标指标预测规则,确定与所述目标业务指标对应的目标预测基础数据;
判断所述目标预测基础数据是否存在于所述预测基础数据中;
若是,则从所述预测基础数据中获取与所述目标业务指标对应的目标预测基础数据。
6.根据权利要求5所述的方法,其特征在于,在判断所述目标预测基础数据是否存在于所述预测基础数据中之后,还包括:
若否,则根据与所述目标预测基础数据对应的指标预测规则,从所述预测基础数据中获取与所述目标预测基础数据对应的预测基础数据;
根据与所述目标预测基础数据对应的指标预测规则,以及与所述目标预测基础数据对应的预测基础数据,生成所述目标预测基础数据。
7.根据权利要求2所述的方法,其特征在于,在获取预测基础数据之前,还包括:
按照预设数据更新时间,对数据库中的历史指标数据、计算指标数据、以及展示指标数据进行更新;
根据获取的数据录入请求,对所述数据库中的手动录入运营参数进行更新。
8.根据权利要求1所述的方法,其特征在于,在根据所述目标指标预测规则和所述目标预测基础数据,生成指标预测结果之后,还包括:
根据所述指标预测结果,以及与所述指标预测结果关联的预测基础数据,生成指标展示结果。
9.一种业务指标预测装置,其特征在于,包括:
基础数据获取模块,用于获取预测基础数据;
数据初始化模块,用于对所述预测基础数据进行初始化;
预测请求获取模块,用于获取至少一个指标预测请求,所述指标预测请求用于请求对目标业务指标进行预测,所述指标预测请求携带与所述目标业务指标对应的目标指标预测规则;
目标数据获取模块,用于根据所述目标指标预测规则,从所述预测基础数据中获取与所述目标业务指标对应的目标预测基础数据;
预测结果生成模块,用于根据所述目标指标预测规则和所述目标预测基础数据,生成指标预测结果。
10.一种设备,其特征在于,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-8任一所述的业务指标预测方法。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-8任一所述的业务指标预测方法。
CN201911204808.0A 2019-11-29 2019-11-29 一种业务指标预测方法、装置、设备和存储介质 Pending CN111079991A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911204808.0A CN111079991A (zh) 2019-11-29 2019-11-29 一种业务指标预测方法、装置、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911204808.0A CN111079991A (zh) 2019-11-29 2019-11-29 一种业务指标预测方法、装置、设备和存储介质

Publications (1)

Publication Number Publication Date
CN111079991A true CN111079991A (zh) 2020-04-28

Family

ID=70312223

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911204808.0A Pending CN111079991A (zh) 2019-11-29 2019-11-29 一种业务指标预测方法、装置、设备和存储介质

Country Status (1)

Country Link
CN (1) CN111079991A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111754104A (zh) * 2020-06-22 2020-10-09 平安资产管理有限责任公司 业务指标执行方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103560900A (zh) * 2011-05-04 2014-02-05 成都勤智数码科技股份有限公司 利用相关性的it运维指标预报与预测方法
CN107301466A (zh) * 2016-04-15 2017-10-27 中国移动通信集团四川有限公司 对业务负载及资源配置与性能关系的预测方法及预测系统
CN109298989A (zh) * 2018-09-14 2019-02-01 北京市天元网络技术股份有限公司 业务指标阈值获取方法及装置
CN109582681A (zh) * 2018-10-26 2019-04-05 平安科技(深圳)有限公司 业务数据处理方法、装置、计算机设备及存储介质
CN109659933A (zh) * 2018-12-20 2019-04-19 浙江工业大学 一种基于深度学习模型的含分布式电源配电网电能质量预测方法
CN110197331A (zh) * 2019-05-24 2019-09-03 深圳前海微众银行股份有限公司 业务数据处理方法、装置、设备及计算机可读存储介质
CN110276677A (zh) * 2019-04-24 2019-09-24 武汉众邦银行股份有限公司 基于大数据平台的还款预测方法、装置、设备及存储介质
CN110365503A (zh) * 2018-03-26 2019-10-22 华为技术有限公司 一种指标确定方法及其相关设备

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103560900A (zh) * 2011-05-04 2014-02-05 成都勤智数码科技股份有限公司 利用相关性的it运维指标预报与预测方法
CN107301466A (zh) * 2016-04-15 2017-10-27 中国移动通信集团四川有限公司 对业务负载及资源配置与性能关系的预测方法及预测系统
CN110365503A (zh) * 2018-03-26 2019-10-22 华为技术有限公司 一种指标确定方法及其相关设备
CN109298989A (zh) * 2018-09-14 2019-02-01 北京市天元网络技术股份有限公司 业务指标阈值获取方法及装置
CN109582681A (zh) * 2018-10-26 2019-04-05 平安科技(深圳)有限公司 业务数据处理方法、装置、计算机设备及存储介质
CN109659933A (zh) * 2018-12-20 2019-04-19 浙江工业大学 一种基于深度学习模型的含分布式电源配电网电能质量预测方法
CN110276677A (zh) * 2019-04-24 2019-09-24 武汉众邦银行股份有限公司 基于大数据平台的还款预测方法、装置、设备及存储介质
CN110197331A (zh) * 2019-05-24 2019-09-03 深圳前海微众银行股份有限公司 业务数据处理方法、装置、设备及计算机可读存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111754104A (zh) * 2020-06-22 2020-10-09 平安资产管理有限责任公司 业务指标执行方法及系统

Similar Documents

Publication Publication Date Title
US7035786B1 (en) System and method for multi-phase system development with predictive modeling
CN109978504A (zh) 财务数据的处理方法、装置、设备以及存储介质
US20210295427A1 (en) Explainable complex model
CN110750654A (zh) 知识图谱获取方法、装置、设备和介质
US20140006044A1 (en) System and method for preparing healthcare service bundles
TW202008251A (zh) 支付工具推薦方法、裝置、設備及電腦可讀儲存媒體
US20130035947A1 (en) Claims payout simulator
CN111177671A (zh) 一种数据管理平台、方法及电子设备
US20100169228A1 (en) Integrated Negotiation Engine
US20180096301A1 (en) Systems and methods for generating customized reports based on operational stage rules
CN110598108A (zh) 一种搜索词推荐方法、装置、设备及存储介质
WO2024104241A1 (zh) 一种基于模型隐式多目标融合的消息推送方法及装置
CN111079991A (zh) 一种业务指标预测方法、装置、设备和存储介质
CN112950331A (zh) 一种页面数据处理方法、装置、设备及介质
CN112241433A (zh) 产品的演示方法、装置、计算机设备及存储介质
CN112905635A (zh) 一种业务的处理方法、装置、设备及存储介质
CN111861757A (zh) 一种融资匹配方法、系统、设备和存储介质
CN112348658A (zh) 资源分配方法、装置及电子设备
CN110352405B (zh) 计算机可读介质、计算系统、方法以及电子装置
CN111191999A (zh) 产品研发管理方法、装置、计算机设备及存储介质
CN113515332B (zh) 一种数据生成方法、装置、设备及存储介质
CN114881739A (zh) 订单事件处理方法及装置、电子设备和存储介质
CN109634500B (zh) 一种用户资料填写方法、装置、终端设备及存储介质
CN113592263A (zh) 基于动态资源归还增比的资源归还增量预测方法和装置
CN112307334A (zh) 信息推荐方法、信息推荐装置、存储介质与电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20200428

RJ01 Rejection of invention patent application after publication